咱们可以创立一个可以对交通标志进行分类的模型，而且让模型自己学习辨认这些交通标志中最要害的特征。在这篇文章中，我将演示怎么创立一个深度学习架构，这个架构在交通标志测验集上的辨认准确率达到了98％。
交通标志是路途基础设施的重要组成部分，它们为路途运用者供给了一些要害信息，并要求驾驭员及时调整驾驭行为，以保证恪守路途安全规则。假如没有交通标志，可能会产生更多的事端，由于司机无法获悉最高安全速度是多少，不了解路途情况，比方急转弯、校园路口等等。现在，每年大约有130万人死在路途上。假如没有这些路途标志，这个数字肯定会更高。
当然，自动驾驭车辆也有必要恪守交通法规，因而需求_辨认_和_了解_交通标志。
从传统上来说，可以运用规范的计算机视觉的方法来对交通标志进行检测和分类，但一起也需求消耗相当多的时刻来手艺处理图画中的重要特征。现在，咱们引进深度学习技能来处理这个问题。咱们可以创立一个可以对交通标志进行分类的模型，而且让模型自己学习辨认这些交通标志中最要害的特征。在这篇文章中，我将演示怎么创立一个深度学习架构，这个架构在交通标志测验集上的辨认准确率达到了98％。
项目设置
数据集可分为练习集、测验集和验证集，具有以下特色：
图画为32（宽）&TImes;32（高）&TImes;3（RGB五颜六色通道）
练习集由34799张图片组成
验证集由4410个图画组成
测验集由12630个图画组成
共有43个品种（例如限速20公里/小时、制止进入、波动路等等）
此外，咱们将运用Python 3.5与Tensorflow来编写代码。
